شخصان آليان يتعاونان في لعب كرة الطاولة، ويحققان نجاحًا في الحفاظ على أكثر من عشر جولات

طور الباحثون نظام PingpongDuo، وهو إطار ميكانيكي يمكّن الروبوتات البشرية من لعب كرة الطاولة في زوجي من خلال تنسيق الحركات وتبادل الضربات. يعالج هذا النظام تحديات مشاركة المساحة المحدودة، وإعادة التمركز السريع، والحفاظ على دقة الضربات، وتجنب التصادمات بين الزملاء. يجمع بين التنسيق المكاني، وتعلم الحركات، ومهارات التحكم في المضرب، مما يساعد الروبوتات على العمل معًا في مواجهة مسارات الكرة المتغيرة. في التجارب، حسّن هذا الإطار أداء الضربات في المحاكاة. أظهرت النتائج أن الروبوتين البشريين قادران على الاستمرار في تبادل الضربات بشكل متواصل وفقًا لقواعد تبادل الضربات الصارمة المطلوبة في الزوجي.

ميزات نظام PingpongDuo

تعاون باحثون من جامعة هونغ كونغ، ومعهد شنغهاي للابتكار، وArchon Robotics، وNVIDIA في تطوير نظام PingpongDuo، وهو إطار تحكم يمكّن الروبوتين البشريين من لعب كرة الطاولة في زوجي من خلال تنسيق الحركات وتبادل الضربات. يجمع هذا النظام بين الذكاء الاصطناعي، وتعلم الحركات، وتقييم المخاطر، مما يساعد الروبوتات على ضرب الكرة، وتنظيف مساحة الزميل، وإعادة التمركز لتسهيل الضربات التالية، وتجنب التصادمات. على عكس الأنظمة التقليدية المصممة للمنافسات الفردية، يعمل PingpongDuo على تنسيق الروبوتين في مساحة محدودة على جانب واحد من طاولة كرة الطاولة.

يجب على كل روبوت تبادل الضربات بدقة، والتحرك بعيدًا عن منطقة الضرب المركزية بعد الضرب، بينما يستعد زميله لضرب الكرة التالية.

يستخدم هذا الإطار نظام تحكم هرمي يجمع بين تحديد المواقع على مستوى الفريق ومهارات الحركة والضرب الفردية. على مستوى الفريق، يختار المخطط أهداف تحديد المواقع للروبوتين. يقوم مُقيّم المخاطر المتعلم بتقييم مخاطر التصادم المحتملة للحركات، بما في ذلك التصادمات بين الأيدي والأرجل والجسم. يقوم فلتر الأمان بتعديل خطط تحديد المواقع ذات المخاطر العالية، مع إعطاء الأولوية للروبوت المستعد للضرب، مما يساعد على الحفاظ على قدرته على الضرب. على المستوى الفردي، يستخدم النظام استراتيجيات ذكاء اصطناعي مختلفة للتحكم في الحركة والمضرب. استخدم الباحثون صورًا للعب الزوجي البشري لتدريب استراتيجيات الحركة، مما أنشأ مكتبة تحتوي على حوالي 200 تسلسل حركة تغطي مسافات مختلفة.

استراتيجيات حركة الروبوت والتنظيف

يتعلم الروبوت الانتقال بين الضرب، وتنظيف المساحة، والاستعادة، والانتظار. يستفيد من وضع الجسم وحركة الخصم لتدريب كل مهارة، مما يساعد الروبوت على الاستجابة للكرات الجديدة دون الحاجة إلى العودة إلى الوضع القياسي أولاً.

طور الباحثون أيضًا استراتيجية تحسين ذراع المضرب لتحسين الضربات بعد الحركة السريعة. تعتمد هذه الاستراتيجية على الحالة الحالية للروبوت والموقع والسرعة المقدرة للكرة، وتعدل سبعة مفاصل في الذراع. لتدريب هذا المكون، استخدم الفريق بيانات قياس حقيقية للطيران، والارتداد على الطاولة، والتواصل مع المضرب لضبط المحاكي الفيزيائي. النموذج النهائي يمكّن النظام من تعلم كيفية تأثير تغييرات حركة المضرب على ما إذا كانت الكرة ستعبر الشبكة وتصل إلى جانب الخصم. في المحاكاة، زادت نسبة نجاح الضربات في PingpongDuo بنسبة 13.2% مقارنة بأحدث المعايير.

أفاد الباحثون أن خطأ تحديد المواقع أثناء عملية التنظيف يبلغ حوالي 2 سم. في التجارب العملية، أكمل روبوتان من نوع Unitree G1 أكثر من 10 تبادلات للضربات بشكل مستمر. كما أكمل أحد الروبوتات دورة تنظيف واستعادة لمسافة 2.15 متر في 2.4 ثانية، محققًا سرعة قصوى تبلغ 2.23 متر في الثانية. أشار الباحثون إلى أن النظام الحالي يعتمد على أجهزة التقاط الحركة الخارجية، ولم يأخذ في الاعتبار دوران الكرة. ستبحث الأعمال المستقبلية في إدراك الروبوتات الداخلي، وتقدير الدوران، واستراتيجيات الهجوم والدفاع الذاتية.

اختراقات وتحديات تقنية اللعب التعاوني

يظهر تطوير PingpongDuo إمكانيات الروبوتات البشرية في الحركة التعاونية، خاصة في التطبيقات في المساحات المحدودة. لا تعمل هذه التقنية فقط على تحسين أداء ضربات الروبوتات، بل تعالج أيضًا بفعالية مشاكل التصادم، وهو ما لم يكن شائعًا في الأنظمة الفردية السابقة. مع قدرة الروبوتات على التكيف تلقائيًا مع حركات الخصم، ستستكشف الأبحاث المستقبلية المزيد حول قدرتها على الإدراك الذاتي واستراتيجيات الحركة، مما سيكون له تأثير كبير على مجال حركيات الروبوتات والتعاون بين الإنسان والآلة.